【專家主場】形外佳興 ─ 點解我想發神經
人工智能（Artificial Intelligence A.I.）大概有以下範疇：機器學習 Machine Learning、自然語言處理 Natural Language Processing、自動機學 Robotics 等。透過深度、多層的學習模式，人工智能可以為人類處理大量信息並作預測及自主行動，包括預測我今天想吃中餐還是西餐，了解侍應的日常語言，點餐並用自動機餵我吃飯等。早些兒，網上書店憑我的選書行為，已能預測我喜歡哪些書，準確程度令 Neo 有些心驚，覺得對方比 Neo 還了解 Neo。近日 Facebook 與 Cambridge Analytica 的事情，可能只是冰山一角。看著國會議員的問題，我覺得人類很有娛樂性。
在 A.I. 這個新天地，我們已經在享受機器預測的準確性（Accuracy）。
但有一事，A.I. 專家仍在頭大：
Interpretability ─ 可解釋度
【專家主場】略評 Michael Coates 訪談 Oct 28, 2019
【專家主場】形外佳興——不誠實取用電腦 May 21, 2019
【專家主場】形外佳興 ─ 顧問的存在焦慮 Oct 1, 2018
例如，當圍棋 AlphaGo 打出一手好勁嘅神手，大家讚嘆，然後人類又打出一手鬼手，大家又拍掌。之後複盤，人類可以講出棋理，點解咁行，點解唔咁行。但係，叫 AlphaGo 解釋佢個決定，卻係不容易：A.I. + Big Data = Black Box。又有如 A.I. 認照片，喺一堆照片中，分辨出有跑車嘅照片同埋冇跑車嘅照片，有時，機器會喺一 D 九唔答八的塗鴉中，認定其中有一架跑車。你叫 A.I. 解釋一下點解，佢係做唔到嘅。點解 Interpretability 是重要問題？在人類的世界，除非你係老闆，否則你必須解釋你的決定：可解釋度決定可信度（trust）。考過數學嘅朋友，都知道除咗個答案有分，程序都有分：準確答案唔係大晒，你還要清楚交待點解。
我認為 Interpretability 係一個比 Accuracy 還要大好多倍嘅研究範疇。例如賭馬，上一場邊一隻馬跑出，係人都知，但係點解佢跑出，個個馬評家有自己看法。又例如經濟學，十個經濟學家一定有至少十個理論解釋人嘅消費行為。我又記起 de Bono 呢個怪傑喺幾十年前已經處理「解釋」這活動的玄機，分為五級：把描述當作解釋（「我遲到因為我遲到」）；用一些廢字當作解釋（「我遲到因為我有些延誤」）；用一些專有名字當作解釋（「我遲到因為塞車」）；把過程當作解釋（「我遲到因為我上咗架巴士但係今天路上行駛速率為 10km/hr 所以我用咗一小時才到達」）；全面解釋（「我遲到因為…」［下刪三千字］）。果本書係誠意之作，想深入了解人的思維。到咗今日，可能輪到 A.I. 要了解及交待自己的思維了。又或如使用亞里士多德哥哥的體系，又有：「我遲到因為我冇動力」；「我遲到因為我不夠＄＄質料去坐的士」；「我遲到因為我失去了做人嘅目的」；「我遲到因為我的存在本質就係遲到！」去到果陣，可能要有一個鋼鐵老師 A.I. 去點評成班小露寶 A.I.，邊個 Interpret 得最搞笑！
Neo按：
借卡繆的文法，當 A.I. 更見成熟，可能人類的真正嚴肅哲學任務，就係去發神經
